Povećanje produktivnosti malo vrijedi ako rad i dalje prolazi kroz iste odbore, odobrenja, primopredaje i funkcijske silose. Glavno ograničenje sve više postaje organizacijska tromost: vrijeme potrebno da organizacija donese odluke, promijeni procese i nove sposobnosti pretvori u poslovne rezultate.
Posao koji je nekoć zahtijevao više specijalista, odjela ili tjedana rada sad se može obaviti znatno brže. To mijenja način suradnje timova i donošenja odluka, kao i područja u kojima je potrebno stručno znanje.
Potpuna korist ostvaruje se kad organizacije temeljito promijene svoj ustroj i drukčije pristupe radnim procesima, upravljanju, poticajima, tokovima znanja i strukturama odlučivanja kako bi se povećanje produktivnosti potaknuto AI-jem širilo cijelom organizacijom.
Organizacijama utemeljenima na AI-ju trebaju stabilna okosnica i prilagodljiv rub, uz usmjeravanje najvrjednijih ljudskih vještina na prosudbu i koordinaciju djelovanja.
Na LinkedInu, Substacku i drugim forumima često se raspravlja u smislu: „Ne vidim povrat ulaganja u AI.” Kako ozbiljnije usvajanje uzima maha, vidimo znatan povrat ulaganja u AI rješenja i primjenu gotovih alata kao što su ChatGPT, Codex i Claude. Ipak, ta je primjedba razumljiva. Iako pojedinci mogu znatno povećati produktivnost, konačni je učinak ograničen ako radni procesi organizacije ostanu isti. Vaš se organizacijski ustroj mora razvijati.
Nažalost, organizaciju nije moguće unaprijed pripremiti za sve buduće promjene, osobito uz ovako brz razvoj AI-ja. Nitko ne može pouzdano reći kako bi za tri godine trebala izgledati organizacija optimizirana za AI, bilo da je riječ o banci, osiguravatelju, trgovcu, energetskoj tvrtki ili konzultantskoj kući. Tehnologija, ekonomija i obrasci rada mijenjaju se prebrzo, pa će sposobnost prilagodbe biti jedna od ključnih prednosti sljedećeg desetljeća.
Ako je stručna inteligencija trenutačno dostupna, a AI agenti mogu satima raditi samostalno, morate pretpostaviti da će se način rada promijeniti — i da se treba promijeniti. To znači da se i vaš operativni model mora promijeniti kako biste iskoristili tehnologiju. Najviše će dobiti organizacije spremne najbrže se prilagoditi novim obrascima rada i novim primjenama ove tehnologije.
Organizacijski utjecaj AI-ja najlakše je razumjeti ako krenemo od jednostavne pretpostavke. Pretpostavite da je stručna inteligencija trenutačno dostupna svima u organizaciji. Prije dvije godine to je bilo teško zamisliti, no danas je već gotovo stvarnost. Iako još nije savršena, razumno je pretpostaviti da će se vrlo brzo približiti savršenstvu.
Dodajmo tome i drugu pretpostavku. Pretpostavite da autonomni agenti mogu zajedno raditi satima, danima, a naposljetku i tjednima kako bi dovršili značajne cjeline posla. Ne jedan ili nekoliko zadataka, nego opsežan slijed rada u više disciplina. Višefunkcijski tim utjelovljen u skupini agenata koji mogu samostalno osmisliti radni proces.
Ako su obje pretpostavke barem približno točne, način rada promijenit će se – i morat će se promijeniti. Vrijeme dovršetka skraćuje se, unutarnja suradnja poprima novi oblik, a tempo promjena ubrzava.
Promjene tom brzinom pogoduju decentralizaciji, autonomiji i inovacijama, dok je većina velikih organizacija izgrađena na suprotnoj ideji.
Velike organizacije centraliziraju moć u odjelima organiziranima prema poslovnim funkcijama. Strategiju, tehnologiju, podatke, rizike, operacije, financije, ljudske resurse i poslovanje razdvajaju u različite strukture, svaku s vlastitim prioritetima, poticajima i, što je najvažnije, kontrolama.
Promjenama upravljaju investicijski i upravljački odbori, arhitekturna vijeća, procjene rizika, provjere usklađenosti, nabavni procesi, godišnji ciklusi planiranja i poslovni slučajevi. Neki timovi za upravljanje promjenama dodatno posreduju u prijenosu informacija među dionicima, a da im ne dodaju vrijednost.
Ništa od toga nije nerazumno; ti mehanizmi postoje s dobrim razlogom. Dok upravljaju rizicima, raspoređuju kapital, sprječavaju udvostručavanje rada, štite klijente i osiguravaju odgovornost, ti mehanizmi ujedno određuju tempo. Taj će tempo vjerojatno biti prespor u svijetu u kojem konkurenti utemeljeni na AI-ju mogu mnogo brže testirati, učiti i preoblikovati rad.
Važna je i poruka koju šalje organizacijska kultura. U mnogim organizacijama poticaji i dalje nagrađuju ostajanje unutar granica poslovne funkcije, bez obzira na to koliko često voditelj kaže: „Ovlašteni ste donositi odluke.” Zašto? Zaštitite tim. Zaštitite proračun. Zaštitite plan razvoja. Izbjegavajte vidljiv neuspjeh. Teške odluke proslijedite odboru. Ne odstupajte previše od odobrenog procesa.
Takav centralizirani pristup ima smisla kada je eksperimentiranje skupo, a povremene su promjene evolucijske, a ne revolucionarne. No postaje problem kada se sposobnosti znatno poboljšavaju svakih nekoliko mjeseci, a najbolje prilike otkrivaju timovi najbliži poslu.
Odgovor na AI tradicionalnom centralizacijom stvara tromost koja onemogućuje značajan povrat ulaganja. Ako svaka promjena mora proći kroz više odbora prije nego što utječe na stvarni rad, organizacija će učiti presporo.
Ograničavanje prilika za korištenje AI-ja čini vas manje privlačnim poslodavcem ljudima koji žele napredovati i raditi brže.
Većina organizacija počinje od individualne vještine rada s AI-jem. To je pravo polazište. Ljudi moraju znati kako zadati upute AI-ju, kritički preispitati njegove rezultate, provjeriti njegov rad, zaštititi osjetljive informacije i prepoznati kada ga ne treba koristiti. Trebaju samopouzdanje, dobru prosudbu i praktično iskustvo.
No individualna vještina ima svoje granice. Analitičar može izraditi pet puta više analiza, ali se tijelo koje donosi odluke i dalje sastaje jednom mjesečno. Programer može generirati više koda, ali proces pregleda i objave nije se promijenio. Marketinški stručnjak može izraditi više sadržaja, ali odobrenje robne marke i dalje čeka u istom redu.
Čak ni na razini tima promjena radnog procesa ne znači nužno veću brzinu ako ostali dijelovi organizacije i dalje rade kao prije.
Pojedinac, a možda i tim, rade brže, no brzinu rezultata na kraju ograničavaju drugi dijelovi cjelokupnog organizacijskog procesa. Zato put primjene AI-ja mora napredovati od individualne preko timske do organizacijske vještine rada s AI-jem.
Kad organizacija može mijenjati svoje strukture, poticaje, upravljanje, tokove znanja i tehnološke obrasce, lokalna poboljšanja pojedinaca i timova pretvaraju se u vrijednost za cijelu organizaciju.
To je težak izazov, ali upravo se tu krije prilika za oslobađanje vrijednosti. Tvrtke utemeljene na AI-ju, nastale posljednjih godina nakon izlaska ChatGPT-a, izgradile su radne procese s već ugrađenim AI-jem, pa ostaju agilne i posluju s plitkim hijerarhijama. Nasuprot tome, veće su organizacije uvele AI u postojeće procese, stvarajući nepovezana rješenja koja ne mijenjaju način obavljanja posla.
Biti utemeljen na AI-ju ne znači biti kaotičan, nepromišljen ili opsjednut alatima. To ne znači da svaki zaposlenik najnoviji model koristi kako god želi. I zasigurno ne znači zamijeniti upravljanje entuzijazmom niti se pretvarati da ljudi više nisu potrebni.
Stari model organizacijskog ustroja pretpostavlja da možete definirati buduće stanje, nacrtati strukturu, provesti promjenu i stabilizirati organizaciju. To je presporo za AI.
Organizacije utemeljene na AI-ju bit će osmišljene za stalne promjene. Organizacija utemeljena na AI-ju stalno preoblikuje rad oko združenih snaga ljudi, AI sustava, podataka, radnih procesa i upravljanja. Neće sve uložiti u samo jedan nacrt. Izgradit će sposobnost brzog otkrivanja radnih procesa koje treba promijeniti, uloga koje se moraju razvijati, potrebnih kontrola, važnijih vještina, obrazaca koji se mogu ponovno upotrijebiti i pretpostavki koje su već zastarjele.
Za to su istodobno potrebne dvije stvari: stabilna okosnica i prilagodljiv rub. Zajedno uravnotežuju centralizaciju i osnaživanje timova koji su blizu samom poslu.
Stabilna okosnica organizaciji donosi povjerenje i mogućnost širenja. Cijela organizacija ima pristup odobrenim alatima, ponovno upotrebljivim obrascima, načinima pristupa podacima, metodama evaluacije, sigurnosnim kontrolama, načelima upravljanja, nadzoru, infrastrukturi znanja i jasno definiranoj odgovornosti.
Na prilagodljivom rubu posao se obavlja te se često i bez prepreka mijenja. Mali višefunkcijski timovi blizu problema imaju dovoljno ovlasti za preoblikovanje radnih procesa, primjenu AI-ja, ispitivanje novih načina rada i prenošenje naučenog ostatku organizacije.
Važna je ta ravnoteža između jezgre i ruba. Uz previše središnje kontrole organizacija uči presporo. Uz previše lokalne slobode organizacija se rascjepkava. Organizaciji utemeljenoj na AI-ju trebaju disciplina u jezgri i prilagodljivost na rubu.
Površan zaključak o automatizaciji rada jest da AI smanjuje potrebu za ljudima. U nekim će područjima doista biti tako, primjerice u repetitivnom intelektualnom radu koji zahtijeva malo konteksta i koji će se obavljati znatno brže ili posve nestati. Pod pritiskom će biti pretežno transakcijski rad: popunjavanje praznina u sustavima, prijenos informacija, početne analize, izrada prvih nacrta i odgovori s malo „dodane vrijednosti”.
Druga je strana medalje to što se ljudski „doprinos” podiže na višu razinu: ako je stručna inteligencija trenutačno dostupna, rijetke ljudske kvalitete koje AI ne može i ne bi trebao zamijeniti postaju prosudba, kreativnost, odgovornost, kontekst i povjerenje.
Organizacije bi se trebale sve više usredotočiti na ljude koji mogu odlučivati u nejasnim situacijama. Na ljude koji dovoljno duboko razumiju područje da mogu usmjeravati AI i prepoznati kada griješi. Na ljude koji znaju postavljati bolja pitanja. Na ljude koji mogu povezati komercijalnu, tehničku, operativnu i ljudsku stvarnost. Na ljude koji mogu graditi odnose, ulijevati povjerenje i koordinirati brojne dionike. I što je važno, sposobnost brzog prebacivanja s jednog konteksta na drugi te brzog i točnog tumačenja informacija postaje još važnija kada zamislite da je cijeli tjedan rada sažet u ponedjeljak ujutro.
Stoga stručnjaci širokog profila postaju vrjedniji, a ne manje vrijedni, ako mogu zadržati kontekst među funkcijama i koordinirati rad potpomognut AI-jem. Specijalisti mogu postati vrjedniji jer brži rad stvara više trenutaka u kojima su kvaliteta i prosudba presudne. A voditelji će morati manje nadzirati aktivnosti, a više oblikovati sustave, kontekst i tempo.
Ne treba ulagati samo u „vještine rada s AI-jem”. Treba ulagati i u ljudske osobine koje postaju važnije kada AI preuzima više zadataka niže razine: znatiželju, prosudbu, otpornost, jasnoću, kreativnost, odlučnost, suradnju i snalaženje u nejasnim situacijama. Organizacija bi već sada trebala zapošljavati, razvijati i nagrađivati ljude s tim osobinama.
Sažimanje tolikog opsega rada vrlo je zahtjevno, a organizacije utemeljene na AI-ju ne mogu stalno raditi vrtoglavom brzinom. Morat će ljudima osigurati vrijeme i prostor za oporavak i ponovno povezivanje. Kako bi učinkovito prosuđivale i odlučivale, organizacije trebaju njegovati okruženja u kojima slučajna otkrića mogu dovesti do novih ideja.
Danas mnoge velike organizacije sporo primjenjuju AI čak i za ono što je već moguće. Time nastaje sve veći jaz između napretka agentskih sposobnosti i njihove stvarne primjene.
To je normalno. Velike organizacije sporo usvajaju tehnologiju zbog zastarjelih sustava, regulatornih ograničenja, kulturnog otpora, rascjepkanih podataka, nejasne odgovornosti i stvarnih rizika kojima treba upravljati.
No u nekom će trenutku dovoljno voditelja, timova i konkurenata naučiti kako sigurno i opetovano primjenjivati AI u stvarnim radnim procesima. Obrasci će sazreti, upravljanje će se bolje ukorijeniti, agenti će postati pouzdaniji, a povjerenje organizacija porasti. Jaz između onoga što AI omogućuje i onoga što organizacije doista primjenjuju počet će se zatvarati.
Kada stigne ta prijelomna točka, prednost neće imati tvrtke s najboljim modelima ili najvećim proračunima za AI, nego organizacije koje mogu brzo mijenjati način rada.
Tvrtke koje centraliziraju svaku odluku, štite svaku funkciju, upravljaju putem sporih odbora i nagrađuju ljude zato što „ne remete postojeće stanje” teško će držati korak.
Tvrtke koje izgrade čvrstu okosnicu i prilagodljiv rub učit će brže. Ranije će otkriti bolje radne procese, zdravu kombinaciju stručnjaka širokog profila, specijalista i voditelja preusmjeriti na vrjedniji rad te lokalne eksperimente pretvoriti u ponovno upotrebljive obrasce.
Zasad se možda pitamo „Kako uspješno usvojiti AI?”, no uskoro će pitanje morati glasiti: „Koliko se brzo naša organizacija može prilagoditi dok AI mijenja rad?”
Spora organizacija s moćnim AI-jem i dalje će biti spora, dok će prilagodljiva organizacija s moćnim AI-jem višestruko povećavati rezultate.